XiaoMi-AI文件搜索系统
World File Search System时间变化
气候反馈参数λ的时间变化与太平洋衰老振荡有关
气候模型表明，气候反馈参数λ表示地球辐射响应对全球表面温度变化的大小随时间而变化。这是因为λ取决于海面温度的模式。然而，在多年观测中尚未评估λ的时间变异及其与海面温度模式的关系。在这里，使用最新的观察，我们评估了连续的25年窗户的全球能源预算，并在1970年至2005年间得出了λ的时间序列。我们发现λ在[ - 3.2，−1.0] w·m -2·k -1以来自1970年以来变化。这些变化与与PACIFID腐蚀振荡相关的海面温度模式变化有关。对历史海面温度的观测强迫的气候模型模拟显示了与观察结果一致的1970 - 2005年平均λ。然而，它们未能再现自1970年以来观察到的λ时间变化，这与Pacififfif-decadal振荡相关，这意味着气候模型低估了在十年时间尺度上的模式效应。
声学动态范围内的时间变化是基于脑电图的听觉关注
摘要 - 许多研究表明，可以从脑电图数据中解码听觉对自然语音的关注。但是，大多数研究都集中在选择性的听觉注意力解码（SAAD）上，而竞争扬声器则是对单个目标的绝对听觉注意解码（AAAD）的动态。AAAD的目标是衡量对单个演讲者的关注程度，在心理和教育环境中的客观衡量注意力。为了调查这种AAAD范式，我们设计了一个实验，主题在不同的细心条件下听到视频讲座。我们训练了神经解码器，以在基线的细节状态重建脑电图中的语音信封，并使用解码和真实语音信封之间的相关系数作为注意语音的指标。我们的分析表明，1-4 Hz频段中语音包膜的包络标准偏差（SD）与该指标在语音刺激的不同段之间密切相关。然而，这种相关性在0.1-4 Hz频段中削弱，其中专注状态和注意力不集中的状态之间的分离程度变得更加明显。这突出了0.1-1 Hz范围的独特贡献，从而增强了注意状态的区别，并且仍然受到混杂因素的影响，例如语音信封的时变动态范围。
多元混合模型中随时间变化的关联
多元混合模型中随时间变化的关联：在体育分析中的应用 导师：Lisa McFetridge 博士 足球是世界上最受欢迎的运动之一，全球有超过 35 亿球迷。2021 年，足球的全球价值估计为 30.2 亿美元，预计到 2027 年将达到 38.7 亿美元。由于在这项运动中取得成功可以获得巨额经济回报，近年来，所有主要足球俱乐部都开始大量投资于大数据分析以及将统计和机器学习方法应用于体育分析。可穿戴技术的发展促进了此类投资，该技术可以实时监测健康和表现指标，例如球员在比赛和训练场景中的心率、动作和位置。球员生物标志物的动态变化（例如心率变异性）可作为伪变量来衡量他们对训练计划的适应度、比赛中的表现并发现疲劳的发生。如果正确使用，这些信息可以揭示随时间变化的趋势和模式，从而降低受伤风险、促进恢复并最终帮助球员提高健康和表现 (Viegas 2024)。可穿戴技术通常每秒收集多个观察结果，并在一个赛季内积累大量数据。为了对这种密集的纵向数据进行建模，可以使用多元混合效应模型 (Hickey 2016)。这些方法允许随时间对多个生物标志物或指标进行建模，同时捕捉影响球员内部负荷的不同方面，从而提供关键见解，不仅了解每个生物标志物如何独特地影响球员的健康，还了解不同生物标志物如何相互关联。虽然这些见解很有价值，但多元混合模型目前并未充分利用数据的时变性。当前的方法假设生物标志物之间的关系不会随时间而变化。这种时不变相关性的假设在分析随时间自然演变的信息时可能具有限制性并且可能不切实际。为了更好地捕捉这些关系随时间变化的本质，本项目将开发包含随时间变化相关性的新型多元混合模型方法。本项目将为预测体育分析 (PSA) 小组领导的一系列体育分析工作提供信息。为了最大限度地发挥这项工作的潜在影响力，博士生将与其他 PSA 研究人员以及当地精英足球俱乐部（包括在国家联赛顶级联赛中踢球的俱乐部）密切合作，将尖端的数据驱动决策融入他们的流程并实现预期的现实影响。有关项目的更多详细信息，请联系主要主管 l.mcfetridge@qub.ac.uk。Viegas, JM、Dores, H.、Freitas, A.、Cavigli, L.& D'Ascenzi, F., 运动心脏病学的发展：通向更光明的未来之路, Revista Portuguesa de Cardiologia, 2024; 43 (2), 87-89。Hickey, GL, Philipson, P., Jorgensen, A., & Kolamunnage-Dona, R., 事件发生时间和多变量纵向结果的联合建模：最新发展和问题, BMC Medical Research Methodology, 2016; 16 (1), 1-15。
使用可穿戴数据了解血糖趋势的时间变化和季节性变化
尽管糖尿病的患病率日益增长，但血糖趋势的季节性变化仍然在很大程度上未被研究。为了解决这一差距，我们的目标是通过分析9个月至4.5岁的137名患者（2至76岁，主要是1型糖尿病）的深入采样血糖数据（主要是1型糖尿病）来研究血糖趋势的时间变化。从连续葡萄糖监测数据的91,000天后，我们发现血糖控制在假期左右显着降低，在已经很差血糖对照的患者中，新年的日期下降最大（即在目标范围内<55％的时间）。我们还观察到血糖趋势的季节性变化，在11月至2月（即美国中途和冬季，在美国）的月份，患者的血糖控制较差，并且在4月至8月（即中期和夏季）和夏季和夏季的几个月中更好地控制了血糖。这些见解对于告知有针对性的干预措施的洞察力至关重要。
随时间变化的量子状态是独一无二的 - DR-NTU
传统的量子理论框架对空间和时间的处理方式截然不同，它通过量子通道表示时间相关性，通过多部分量子态表示空间相关性——这是经典概率论中不存在的不平衡现象。自从 Leifer 和 Spekkens [ Phys. Rev. A 88 , 052130 (2013) ] 在其开创性著作中呼吁对量子理论进行因果中性的表述以来，人们进行了许多尝试来纠正这种不对称，他们提出了一个量子系统随时间变化的动态描述，该系统被一个静态量子态所封装，但并没有就哪一个最合适达成明确的共识。在本文中，我们提出了一组可操作的量子态随时间变化的公理，以替代 Fullwood 和 Parzygnat [ Proc. R. Soc. A 478 , 20220104 (2022) ] 提出的公理，我们表明后者无法随时间诱导出唯一的量子态。我们提出的公理更适合描述任何超过两点的时空区域的量子态。通过这种重新表述，我们证明了 Fullwood-Parzygnat 状态随时间唯一地满足所有这些操作公理，统一了量子系统的二分时空相关性。
具有随着时间变化的不确定性的非线性MIMO系统的基于深的学习的PID调整策略
摘要：将比例综合衍生（PID）控制方案应用于非线性多输入，多数输出（MIMO）系统，具有时间变化的不确定性是有挑战性的，并且毫无争议。在这项研究中，我们制定了基于深入的增强学习（RL）的PID调整策略，并在设计RL代理方面具有关键新颖性，以实现实时自适应MIMO PID调整以跟踪设定点，同时考虑时间变化的不确定性。我们评估了我们的调整策略，这些策略受到时变不确定性的连续搅拌坦克反应堆。传统的PID未能跟踪废水浓度设定点并引起较大的错误和偏移，但提出的RL代理可以快速准确地进行设定值跟踪，从而大大减少了错误并消除了偏移。因此，使我们的基于RL的策略在时间变化的不确定性下对化学工程应用有吸引力。关键字：增强学习，PID控制，MIMO系统，随时间变化的不确定性，自适应控制
分析Rajshahi的温度和降雨的时间变化
在全球范围内，全球变暖带来的气候变化正在引起严重的变形。Rajshahi坐落在孟加拉国的心脏地带，经历了自己独特的天气模式和环境动态。为了对Rajshahi的气候模式进行趋势分析，从孟加拉国气象部（BMD）获得了从1970年到2018年的广泛数据。这个全面的数据集涵盖温度和降雨量的每月平均值。MS Word，MS Excel，SPSS和地理信息系统（GIS）等工具用于探索统计分析并确定研究地点的趋势。调查结果表明，与降水水平持续下降，温度的升高可明显升高。最低温度的升级超过了最高温度。在1970年至2018年间，拉杰沙希的年平均温度表现出明显的向上轨迹，其特征是每年迅速升级为0.013°C。年度温度波动的速率分别为0.017°C和0.009°C，分别为最大和最小范围。在整个1970 - 2018年中，季风前，季风和季风季节的最高温度分别为0.019°C，0.036°C和0.006°C/年/年。从1990年到2018年，季节性的最高温度在整个冬季也显示出略有积极的趋势。在拉杰沙希（Rajshahi），年平均降雨量从1970年至2018年下降，速度为-1.0593毫米/年。Rajshahi的气候波动在年度和十年范围内都存在。冬季，季风前和季风季节的速率分别为0.008°C，0.018°C和0.016°C/年，季节性的最低温度显示出越来越高的趋势。冬季，季风前，季风和季风后季节显示，季节平均降雨量的趋势下降，季风季节显示年度最大的年减少（-2.509毫米）。在过去的十年（2000-2009）中，平均温度升高了0.0422°C，而平均降雨量降低了26.01毫米。
异步甲烷和二氧化碳通量驱动红树林蓝色碳固存的时间变化
1海洋环境科学的国家主要实验室，沿海和湿地生态系统的主要实验室（教育部），沿海和海洋管理研究所，环境与生态学院，Xiamen University，Xiamen University，Xiamen，Fujian，中国，2个国家观察和研究站中国藤本富州气象学科学，南中国海遥感，测量和地图合作应用技术创新中心，南中国海开发研究所，自然资源部，广东，广东，中国广东，中国广东，中国，尤里奇，尤里斯大学的大气层学院中国广东的朱海，南方海洋科学与工程实验室（Zhuhai），珠海，中国广东，8号生态学学院，太阳森大学，孙森大学，深圳，广东，中国，中国，9 nanjing
光子时间变化系统中的粒子孔不稳定性
摘要：具有时变调制的光子系统引起了极大的关注，因为它们允许设计非重新性设备而无需外部磁性偏差。与时间不变的系统不同，此类调制几个模式具有不同的频率。在这里，我们讨论了这种耦合和颗粒 - 孔对称性如何导致正频率振荡器和负频率振荡器的谐振相互作用。为了说明这一想法，我们分析了由带有行进波调制的Drude-Lorentz模型描述的分散时空晶体。我们的研究结果表明，正频带和负频段之间的相互作用可以在某些条件下引起参数不稳定性，这是由于分散和时空调制之间的相互作用所致。特别是，我们发现材料分散为在没有耗散机制的情况下为任意小调制的速度形成不稳定性的条件。
当流动性随着时间变化
最佳执行是任何交易者面临的重要问题。大多数解决方案基于对市场影响持续影响的假设，而流动性是动态的。具有随时间变化的流动性的模型通常假定它是可以观察到的，尽管实际上，它是潜在的，很难实时测量。在本文中，我们表明，使用Double Deep Q-Learning是一种基于神经网络的增强学习形式，可以在流动性时变化时学习最佳的交易政策。具体来说，我们考虑了一个具有临时和永久影响参数的Almgren-Chriss框架，这些框架是确定性和随机动力学后的。使用广泛的数值实验，我们表明，当分析解决方案可用时，受过训练的算法将学习最佳策略，并在没有解决方案时克服基准和近似解决方案。